Modelos de data mining para multi-previsão: aplicação à medicina intensiva

Detalhes bibliográficos
Autor(a) principal: Pereira, João José Rodrigues
Data de Publicação: 2005
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
Texto Completo: https://hdl.handle.net/1822/25914
Resumo: Dissertação de mestrado em Sistemas de Informação
id RCAP_27787bac30dbc56f79b44dd603633452
oai_identifier_str oai:repositorium.sdum.uminho.pt:1822/25914
network_acronym_str RCAP
network_name_str Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
repository_id_str 7160
spelling Modelos de data mining para multi-previsão: aplicação à medicina intensiva681.3:616-083616-083:681.3Dissertação de mestrado em Sistemas de InformaçãoOs Sistemas de Apoio à Decisão estão cada vez mais presentes em diversas áreas de actuação, cujo resultado se traduz em diversas soluções para diferentes origens de problemas. A área de Saúde não é excepção. Não é por isso de estranhar que, realidades como Unidades de Cuidados Intensivos (UCI) de Hospitais também usufruam destes sistemas, As Unidades de Cuidados Intensivos são serviços que se inserem nas Unidades Hospitalares e cujo objectivo é prestar cuidados de saúde a pacientes em situação crítica. A actuação clínica nestas unidades, durante o período de internamento dos doentes, envolve o cálculo de índices de gravidade que permitem aferir o estado de um paciente em relação a uma escala de valores predefinida. Uma vez que existem já colecções de dados recolhidos nas UCI e considerando o estudo EURICUSII que foi levado a cabo em 42 UCI de 9 países da UE, torna-se viável e desejável a utilização de técnicas de aprendizagem automática para realização de Data Mining sobre estes dados e a descoberta de conhecimento para suporte às actividades clínicas nas UCI. Neste trabalho, é apresentado o processo de desenvolvimento de modelos de Data Mining para multi-previsão de falência de órgãos. Estes têm por base o case-mix (características que definem o paciente, nomeadamente a Idade, o Tipo e Origem de Admissão, Diagnóstico e Índices de Gravidade) bem como os Eventos Clínicos Adversos que ocorrem durante o período de estadia do paciente na UCI. Apresenta-se ainda uma framework que permite gerir e caracterizar o conjunto de modelos criados. Desta forma, possibilita-se a identificação e aplicação do modelo apropriado para o segmento em que um paciente se enquadra, em função das suas características, dia de internamento e sistema de órgão em questão. A associação de informações diversas acerca de cada um destes modelos possibilita a verificação da validade dos mesmos.Decision Support Systems are more and more present in several areas, whose result translates in several solutions for different origins of problems. The area of Health is not exception. We can wait that, realities as Intensive Care Units (ICU) of Hospitals also enjoy these systems, The Intensive Care Units are services that interfere in Hospitals and whose goal is to render cares of health to patient in critical situation. The clinical actuation in these units, during the period of stay of the patients, involves the evaluation of gravity indexes that could allow check a patient's state in relation to a defined scale of values. The existence of large databases of data collected in UCI and considering the EURICUSII study, that was carried out in 42 UCI of 9 countries of UE, becomes viable and desirable the application of Data Mining techniques, in a Knowledge Discovery Database process for support to the clinical activities in UCI. In this work, the Data Mining is applied in order to obtain multi-prediction models of organ failure. The case-mix (patient characteristics as Age, Admission Type, Admission Origin, Diagnostic and Gravity Indexes)as well as the Clinical Adverse Events occurred during the patient’s stay in the ICU, are considered to make these models. It’s still intended to present a framework that allows the management and characterization of the group of models generated. In this way we could identify and apply the model generated to the cluster in which a patient frames to, according to his characteristics, day of stay and organ system. The association of several information about each one of the models, allow us to verify the validation of its predictions.Santos, Manuel FilipeUniversidade do MinhoPereira, João José Rodrigues20052005-01-01T00:00:00Zinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttps://hdl.handle.net/1822/25914porinfo:eu-repo/semantics/openAccessreponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãoinstacron:RCAAP2024-03-16T01:19:52Zoai:repositorium.sdum.uminho.pt:1822/25914Portal AgregadorONGhttps://www.rcaap.pt/oai/openaireopendoar:71602024-03-19T19:44:15.530268Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãofalse
dc.title.none.fl_str_mv Modelos de data mining para multi-previsão: aplicação à medicina intensiva
title Modelos de data mining para multi-previsão: aplicação à medicina intensiva
spellingShingle Modelos de data mining para multi-previsão: aplicação à medicina intensiva
Pereira, João José Rodrigues
681.3:616-083
616-083:681.3
title_short Modelos de data mining para multi-previsão: aplicação à medicina intensiva
title_full Modelos de data mining para multi-previsão: aplicação à medicina intensiva
title_fullStr Modelos de data mining para multi-previsão: aplicação à medicina intensiva
title_full_unstemmed Modelos de data mining para multi-previsão: aplicação à medicina intensiva
title_sort Modelos de data mining para multi-previsão: aplicação à medicina intensiva
author Pereira, João José Rodrigues
author_facet Pereira, João José Rodrigues
author_role author
dc.contributor.none.fl_str_mv Santos, Manuel Filipe
Universidade do Minho
dc.contributor.author.fl_str_mv Pereira, João José Rodrigues
dc.subject.por.fl_str_mv 681.3:616-083
616-083:681.3
topic 681.3:616-083
616-083:681.3
description Dissertação de mestrado em Sistemas de Informação
publishDate 2005
dc.date.none.fl_str_mv 2005
2005-01-01T00:00:00Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://hdl.handle.net/1822/25914
url https://hdl.handle.net/1822/25914
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
instacron:RCAAP
instname_str Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
instacron_str RCAAP
institution RCAAP
reponame_str Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
collection Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
repository.name.fl_str_mv Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
repository.mail.fl_str_mv
_version_ 1799133002709598208

Registros relacionados